NBER美国国民经济研究局-NBER-Hot-Shots_-An-Analysis-of-the-Hot-Hand-in-NBA-Field-Goal-and-Free-Throw-Shooting_52页_756kb

总结：NBA中“热手”现象的分析

核心内容

本文通过分析2013-2014和2014-2015赛季NBA的全场数据，探讨了“热手”（hot hand）现象在球员投篮表现中的存在性。研究分别考察了罚球和常规投篮两种情境，旨在理解球员在连续成功投篮后是否更可能继续成功，以及这一现象是否在实际比赛中被观察到。

主要观点

1. 罚球情境：

   • 研究发现存在微小的热手效应，即球员在成功罚球后，下一次罚球的命中率会提高约1.6个百分点。
   • 这种效应在第二和第三次罚球中尤为明显。
   • 对于单赛季罚球次数超过100次的球员，以及在单场比赛中罚球次数为4到5次的球员，热手效应更加显著。
   • 先前罚球的成功和连续成功罚球的次数都会正向影响下一次罚球的命中概率。
   • 即使控制了先前罚球的特征，热手效应依然存在，说明其不是由于简单的概率偏差造成的。

2. 常规投篮情境：

   • 研究发现没有显著的热手效应，相反，球员在成功投篮后，下一次投篮的命中率会降低约0.4个百分点。
   • 这一结果与Gilovich等人（1985）的早期研究一致，表明在真实比赛情境中，球员的成功并不预示后续投篮的成功。
   • 防守反应和进攻策略会因成功投篮而改变，这可能使观察者误以为存在热手效应。
   • 当前一投篮为三分球时，这种反应尤为强烈，对后续投篮命中率的负面影响更大。
   • 在分析连续成功投篮的“连击”效应时，发现成功连击并未显著提高后续投篮命中率，甚至在不控制先前投篮特征的情况下，连击反而降低了命中率。

关键信息

• 数据来源：本文使用了来自Big Data Ball、NBA Savant和Basketball-Reference的详细数据，涵盖84,431次罚球和356,585次常规投篮。
• 方法：
  • 使用回归模型分析前一投篮成功对当前投篮成功的影响。
  • 引入新的控制变量，包括比赛情境、球员特征、投篮特征和防守特征。
  • 采用**“leave-out”方法**控制球员的命中率和Simpson悖论，避免因球员能力差异导致的偏差。
  • 通过面板数据模型分析进攻和防守行为在投篮成功后的变化。
• 结论：
  • 在罚球情境中，存在微弱的热手效应。
  • 在常规投篮情境中，热手效应不存在，甚至有反向效应。
  • 防守策略对热手效应的感知有重要影响，可能使人们误以为热手存在。
  • 本文的分析表明，热手效应可能更多是心理偏差的结果，而非实际能力提升。

方法创新

1. 控制变量的扩展：

   • 包括比赛时间、球员年龄、位置、球队情况等。
   • 对于投篮特征，控制了投篮距离、时间、触球时间、三分球与两分球的区别等。

2. 新的分析方法：

   • 引入了**“leave-out”命中率和Simpson悖论控制**，以提高模型的准确性。
   • 采用面板数据模型，分析球员在不同情境下的行为变化。

3. 连击效应分析：

   • 引入了不同长度的连击变量，以分析连续成功投篮对后续命中率的影响。
   • 与Chen等人（2016）的方法类似，但首次应用于篮球投篮分析。

意义

• 本文为理解“热手”现象提供了实证支持，表明在真实比赛情境中热手并不存在，而在更受控的罚球情境中存在微弱的正向效应。
• 研究强调了心理偏差和行为反应在观察和解释热手效应中的作用。
• 为后续研究提供了更全面的数据和方法框架，有助于进一步探讨运动员表现中的心理和战术因素。